前言
俗話說的好，冰凍三尺非一日之寒，滴水穿石非一日之功，羅馬也不是一天就建成的。兩周前秒殺案例初步成型，分享到了中國最大的同性交友網站-碼云。同時也收到了不少小伙伴的建議和投訴。我從不認為分布式、集群、秒殺這些就應該是大廠的專利，在互聯網的今天無論什么時候都要時刻武裝自己，只有這樣，也許你的春天就在明天。
在開發秒殺系統案例的過程中，前面主要分享了隊列、緩存、鎖和分布式鎖以及靜態化等等。緩存的目的是為了提升系統訪問速度和增強系統的處理能力；分布式鎖解決了集群下數據的安全一致性問題；靜態化無疑是減輕了緩存以及DB層的壓力。
限流
然而再牛逼的機器，再優化的設計，對于特殊場景我們也是要特殊處理的。就拿秒殺來說，可能會有百萬級別的用戶進行搶購，而商品數量遠遠小于用戶數量。如果這些請求都進入隊列或者查詢緩存，對于最終結果沒有任何意義，徒增后臺華麗的數據。對此，為了減少資源浪費，減輕后端壓力，我們還需要對秒殺進行限流，只需保障部分用戶服務正常即可。
就秒殺接口來說，當訪問頻率或者并發請求超過其承受范圍的時候，這時候我們就要考慮限流來保證接口的可用性，以防止非預期的請求對系統壓力過大而引起的系統癱瘓。通常的策略就是拒絕多余的訪問，或者讓多余的訪問排隊等待服務。
限流算法
任何限流都不是漫無目的的，也不是一個開關就可以解決的問題，常用的限流算法有：令牌桶，漏桶。
令牌桶
令牌桶算法是網絡流量整形（Traffic Shaping）和速率限制（Rate Limiting）中最常使用的一種算法。典型情況下，令牌桶算法用來控制發送到網絡上的數據的數目，并允許突發數據的發送(百科)。
在秒殺活動中，用戶的請求速率是不固定的，這里我們假定為10r/s，令牌按照5個每秒的速率放入令牌桶，桶中最多存放20個令牌。仔細想想，是不是總有那么一部分請求被丟棄。
漏桶
漏桶算法的主要目的是控制數據注入到網絡的速率，平滑網絡上的突發流量。漏桶算法提供了一種機制，通過它，突發流量可以被整形以便為網絡提供一個穩定的流量(百科)。
令牌桶是無論你流入速率多大，我都按照既定的速率去處理，如果桶滿則拒絕服務。
應用限流
Tomcat
在Tomcat容器中，我們可以通過自定義線程池，配置最大連接數，請求處理隊列等參數來達到限流的目的。
Tomcat默認使用自帶的連接池，這里我們也可以自定義實現，打開/conf/server.xml文件，在Connector之前配置一個線程池：
<Executorname="tomcatThreadPool" namePrefix="tomcatThreadPool-" maxThreads="1000" maxIdleTime="300000" minSpareThreads="200"/>
name：共享線程池的名字。這是Connector為了共享線程池要引用的名字，該名字必須唯一。默認值：None；
namePrefix:在JVM上，每個運行線程都可以有一個name 字符串。這一屬性為線程池中每個線程的name字符串設置了一個前綴，Tomcat將把線程號追加到這一前綴的后面。默認值：tomcat-exec-；
maxThreads：該線程池可以容納的最大線程數。默認值：200；
maxIdleTime：在Tomcat關閉一個空閑線程之前，允許空閑線程持續的時間(以毫秒為單位)。只有當前活躍的線程數大于minSpareThread的值，才會關閉空閑線程。默認值：60000(一分鐘)。
minSpareThreads：Tomcat應該始終打開的最小不活躍線程數。默認值：25。
配置Connector
<Connectorexecutor="tomcatThreadPool" port="8080" protocol="HTTP/1.1" connectionTimeout="20000" redirectPort="8443" minProcessors="5" maxProcessors="75" acceptCount="1000"/>
executor：表示使用該參數值對應的線程池；
minProcessors：服務器啟動時創建的處理請求的線程數；
maxProcessors：最大可以創建的處理請求的線程數；
acceptCount：指定當所有可以使用的處理請求的線程數都被使用時，可以放到處理隊列中的請求數，超過這個數的請求將不予處理。
API限流
秒殺活動中，接口的請求量會是平時的數百倍甚至數千倍，從而有可能導致接口不可用，并引發連鎖反應導致整個系統崩潰，甚至有可能會影響到其它服務。
那么如何應對這種突然事件呢？這里我們采用開源工具包guava提供的限流工具類RateLimiter進行API限流，該類基于"令牌桶算法"，開箱即用。
自定義定義注解
@Target({ElementType.PARAMETER, ElementType.METHOD})@Retention(RetentionPolicy.RUNTIME)@Documentedpublic@interface ServiceLimit { String description()default "";}
自定義切面
限流 AOP */@Component@Scope@AspectpublicclassLimitAspect{ privatestatic RateLimiter rateLimiter = RateLimiter.create(100.0); @Pointcut("@annotation(com.itstyle.seckill.common.aop.ServiceLimit)") publicvoidServiceAspect(){ } @Around("ServiceAspect()") public Object around(ProceedingJoinPoint joinPoint){ Boolean flag = rateLimiter.tryAcquire(); Object obj = null; try { if(flag){ obj = joinPoint.proceed(); } } catch (Throwable e) { e.printStackTrace(); } return obj; }}
業務實現：
@Override@ServiceLimit@Transactionalpublic Result startSeckil( long seckillId, long userId){ }
分布式限流
Nginx
如何使用Nginx實現基本的限流，比如單個IP限制每秒訪問50次。通過Nginx限流模塊，我們可以設置一旦并發連接數超過我們的設置，將返回503錯誤給客戶端。
配置nginx.conf
limit_req_zone $binary_remote_addr $uri zone=api_read:20m rate=50r/s;limit_conn_zone $binary_remote_addr zone=perip_conn:10m;limit_conn_zone $server_name zone=perserver_conn:100m;server { listen80; server_name seckill.52itstyle.com; index index.jsp; location / { limit_req zone=api_read burst=5; limit_conn perip_conn 2; limit_conn perserver_conn 1000; limit_rate 100k; proxy_pass http://seckill; }}upstream seckill { fair; server 172.16.1.120:8080 weight=1 max_fails=2 fail_timeout=30s; server 172.16.1.130:8080 weight=1 max_fails=2 fail_timeout=30s;}
配置說明
imit_conn_zone
是針對每個IP定義一個存儲session狀態的容器。這個示例中定義了一個100m的容器，按照32bytes/session，可以處理3200000個session。
limit_rate 300k;
對每個連接限速300k. 注意，這里是對連接限速，而不是對IP限速。如果一個IP允許兩個并發連接，那么這個IP就是限速limit_rate×2。
burst=5；
這相當于桶的大小，如果某個請求超過了系統處理速度，會被放入桶中，等待被處理。如果桶滿了，那么抱歉，請求直接返回503，客戶端得到一個服務器忙的響應。如果系統處理請求的速度比較慢，桶里的請求也不能一直待在里面，如果超過一定時間，也是會被直接退回，返回服務器忙的響應。
OpenResty
背影有沒有很熟悉，對這就是那個直呼理解萬歲老羅，2015年老羅在錘子科技T2發布會上將門票收入捐贈給了 OpenResty，也相信老羅是個有情懷的胖子。
這里我們使用 OpenResty 開源的限流方案，測試案例使用OpenResty1.13.6.1最新版本，自帶lua-resty-limit-traffic模塊以及案例 ，實現起來更為方便。
限制接口總并發數/請求數
秒殺活動中，由于突發流量暴增，有可能會影響整個系統的穩定性從而造成崩潰，這時候我們就要限制秒殺接口的總并發數/請求數。
這里我們采用 lua-resty-limit-traffic中的resty.limit.count模塊實現，由于文章篇幅具體代碼參見openresty/lua/limit_count.lua。
限制接口時間窗請求數
秒殺場景下，有時候并都是人肉鼠標，比如12306的搶票軟件，軟件刷票可比人肉鼠標快多了。此時我們就要對客戶端單位時間內的請求數進行限制，以至于刷票不是那么猖獗。當然了道高一尺魔高一丈，搶票軟件總是會有辦法繞開你的防線，從另一方面講也促進了技術的進步。
這里我們采用 lua-resty-limit-traffic中的resty.limit.conn模塊實現，具體代碼參見openresty/lua/limit_conn.lua。
平滑限制接口請求數
之前的限流方式允許突發流量，也就是說瞬時流量都會被允許。突然流量如果不加以限制會影響整個系統的穩定性，因此在秒殺場景中需要對請求整形為平均速率處理，即20r/s。
這里我們采用 lua-resty-limit-traffic 中的resty.limit.req 模塊實現漏桶限流和令牌桶限流。
其實漏桶和令牌桶根本的區別就是，如何處理超過請求速率的請求。漏桶會把請求放入隊列中去等待均速處理，隊列滿則拒絕服務；令牌桶在桶容量允許的情況下直接處理這些突發請求。
漏桶
桶容量大于零，并且是延遲模式。如果桶沒滿，則進入請求隊列以固定速率等待處理，否則請求被拒絕。
令牌桶
桶容量大于零，并且是非延遲模式。如果桶中存在令牌，則允許突發流量，否則請求被拒絕。
壓測
為了測試以上配置效果，我們采用AB壓測，Linux下執行以下命令即可：
yum -y install httpd-toolsab -vab --help
測試命令：
ab-n1000-c100http:
測試結果：
Server Software: openresty/1.13.6.1Server Hostname: 127.0.0.1Server Port: 80Document Path: / Document Length: 12 bytes Concurrency Level: 100Time taken for tests: 4.999 seconds Complete requests: 1000Failed requests: 0Write errors: 0Total transferred: 140000 bytes HTML transferred: 12000 bytes Requests per second: 200.06 [Time per request: 499.857 [ms] (mean) Time per request: 4.999 [ms] (mean, across all concurrent requests) Transfer rate: 27.35 [Kbytes/sec] received Connection Times (ms) min mean[+/-sd] median maxConnect: 000.804Processing: 547489.1500501Waiting: 247489.2500501Total: 947588.4500501Percentage of the requests served within a certain time (ms) 50% 50066% 50075% 50080% 50090% 50195% 50198% 50199% 501100% 501 (longest request)
